01
课程导论
什么是欺诈团伙？为什么需要网络分析？课程目标与学习路径。
入门全景
02
欺诈团伙特征剖析
团伙结构、资金流特征、社交行为模式、时间序列异常。
行为分析资金流
03
网络分析基础
图论入门、节点与边、度与中心性、连通分量。
图论基础
04
数据采集与预处理
多源数据接入（交易、社交、设备）、数据清洗、实体对齐。
ETL清洗
05
图数据库入门
Neo4j环境搭建、Cypher基础查询、数据导入实战。
Neo4jCypher
06
关系图谱构建
从关系型数据到图模型、节点与关系的设计原则、属性建模。
建模图设计
07
网络可视化
使用Gephi/NetworkX进行可视化、布局算法、社区发现可视化。
Gephi可视化
08
社区发现算法
Louvain算法、标签传播算法（LPA）、连通分量分析。
LouvainLPA
09
中心性分析
度中心性、介数中心性、接近中心性、特征向量中心性。
中心性关键节点
10
结构洞与桥接
结构洞理论、桥接节点识别、信息控制者分析。
结构洞桥接
11
团伙核心识别
K-核分解、PageRank在团伙分析中的应用、Leader节点挖掘。
K-核PageRank
12
资金流网络分析
资金流向追踪、环形交易检测、资金池识别。
资金流环形交易
13
时间序列网络分析
动态图构建、时序模式挖掘、突发性交易检测。
动态图时序
14
异常检测基础
统计方法、孤立森林、LOF（局部异常因子）。
孤立森林LOF
15
图神经网络入门
GCN、GAT基础、PyTorch Geometric环境搭建。
GCNGAT
16
图嵌入技术
Node2Vec、DeepWalk、GraphSAGE原理与应用。
Node2VecGraphSAGE
17
团伙分类与预测
节点分类、边预测、图分类任务实战。
分类预测
18
多模态数据融合
文本、图像、行为数据与图结构的融合方法。
多模态融合
19
案例实战1：信用卡欺诈
基于交易网络的信用卡欺诈团伙识别。
信用卡交易网络
20
案例实战2：水军团伙
社交网络水军团伙挖掘（关注/转发关系）。
水军社交网络
21
案例实战3：电信诈骗
基于通话记录与资金流的电信诈骗团伙分析。
电信诈骗通话
22
案例实战4：黑产设备
基于设备指纹与IP关联的黑产设备团伙识别。
设备指纹黑产
23
模型评估与验证
交叉验证、A/B测试、团伙识别准确率评估。
评估A/B测试
24
可解释性分析
SHAP值、GNNExplainer、关键子图提取。
可解释SHAP
25
实时检测系统设计
流式图处理、Flink/Spark Streaming集成、实时告警。
实时Flink
26
大规模图计算
分布式图计算框架（GraphX、Pregel）、性能优化技巧。
GraphX分布式
27
隐私保护与合规
差分隐私、联邦学习在团伙识别中的应用、数据脱敏。
差分隐私联邦学习
28
对抗性攻击与防御
图数据投毒、对抗性样本、鲁棒性增强。
对抗鲁棒性
29
项目实战：端到端系统
端到端欺诈团伙识别系统搭建（从数据到部署）。
全流程部署
30
课程总结与前沿趋势
图基础模型、大模型与图分析结合、未来方向。
前沿大模型